[发明专利]一种灰度和深度信息融合的表面缺陷检测方法

说明书

技术领域

本发明涉及一种物体表面缺陷在线检测方法以及实现该方法的装置，尤其对于形状或表面状况比较复杂的产品表面检测，可以提高缺陷检测的准确率。

背景技术

表面缺陷自动检测技术始于20世纪70年代，到20世纪末，德国、美国、日本等发达国家已经开发了具有实用价值的机器视觉表面在线检测系统。机器视觉检测技术按其所处理的数据类型划分，可以分为基于二值图像、灰度图像、彩色图像以及深度图像的检测，目前的表面检测系统一般采用灰度图像检测方法。灰度图像检测方法通过摄像机采集物体表面灰度图像，根据缺陷区域在灰度上的变化，对灰度图像进行处理，并利用缺陷的灰度特征对缺陷进行检测与识别。这种灰度检测方法存在着以下几个问题：

(1)灰度图像检测方法适用于背景单一的物体表面检测，对于背景复杂的表面，由于难以通过灰度信息从背景中判断缺陷所在的区域，因此会产生大量的漏检与误检，影响检测结果的可靠性。

(2)灰度图像检测方法适用于平面物体的表面检测，对于表面为规则或非规则曲面的物体，采用灰度图像检测方法会造成阴影甚至遮挡现象，影响检测效果，产生漏检。

(3)表面缺陷的深度不仅是表征缺陷严重程度重要指标，而且也是进行缺陷检测与识别的重要参数。采用灰度图像检测方法无法获取缺陷深度的量化信息，会对缺陷的准确识别以及表面质量的正确评估造成影响。

通过深度图像可以获取表面深度信息，并且通过深度图像检测缺陷不受物体表面背景状况以及物体形状的影响，从而解决灰度图像检测存在的问题，但是深度图像检测方法在表面检测中的应用也存在着以下问题：

(1)通过深度图像检测缺陷只适用于有深度变化的缺陷，对于一些没有深度的缺陷，如斑类缺陷，无法通过深度图像进行检测。

(2)物体表面的一些干扰物质也会造成表面深度上的变化，采用深度图像检测方法会将这些干扰物体识别成缺陷，造成误识。

(3)目前的深度图像获取方法无法达到高的分辨率，因此，很难通过深度图像检测一些细小的缺陷，如裂纹、压印等。

因此，单纯采用深度图像检测方法也无法实现表面缺陷的可靠检测。将灰度图像检测方法与深度图像检测方法结合起来，通过灰度信息与深度信息的融合，可以结合两种方法的优点，从而提高缺陷检测的可靠性。

传统的信息融合往往指多传感器的信息融合，如果分别通过单独的摄像机获取灰度信息和深度信息，不仅需要增加摄像机的数量，而且还需要对不同摄像机采集到的图像进行配准，增加了系统的复杂性。本发明通过单台彩色摄像机与多台不同颜色光源的组合，实现了单台摄像机同时获取物体表面的灰度图像与深度图像，不仅减少了摄像机的数量，而且灰度图像与深度图像对应的是物体表面的同一区域，无需进行图像的配准，降低了信息融合的难度。

发明内容

本发明利用单台摄像机同时获取物体表面的灰度图像与深度图像，通过灰度信息与深度信息的融合检测缺陷的区域，并对缺陷进行识别，从而提高缺陷检测与识别的准确率。

本发明是这样实现的：

本发明通过单台彩色面阵CCD摄像机与蓝光或红光照明光源的组合采集物体表面的灰度图像与深度图像，所述的蓝光或红光照明光源照射物体的同一区域，所述的深度图像是通过面结构光方式得到，面结构光的光源用绿光，所述灰度图像的照明光源用蓝光或红光，从采集到的彩色图像中分离出蓝光或红光与绿光的图像，其中蓝光或红光图像就是表面灰度图像，绿光图像就是面结构光投影图像；通过深度图像与灰度图像的像素级融合进行图像的分割和缺陷边缘提取，从而可以更准确地检测缺陷所在的区域，根据检测到的缺陷区域，从灰度图像中提取缺陷的灰度特征、纹理特征以及二维几何特征，从深度图像中提取缺陷的三维几何特征，并进行特征级融合，将融合后的特征量作为分类器的输入进行缺陷的分类识别。

本发明的另一个技术方案是上述的特征级融合是通过深度图像与灰度图像的融合进行图像的分割和缺陷边缘提取，由于表面缺陷造成了物体表面深度的变化，因此在深度图像中寻找深度发生突变的点，根据这些深度突变点对图像进行分割，由于灰度图像的分辨率比深度图像高，因此可以在灰度图像中根据深度图像的分割结果进行缺陷的边缘，从而得到缺陷的精确边缘。